Gemini 2.0 Flash Thinking：完整基准性能指南

google 2.0-flash-thinking 2024-12-19 Proprietary

深入分析 Gemini 2.0 Flash Thinking 在 MMLU、HumanEval、GSM8K、MATH、BBH 等基准上的表现，包含定价与适用场景。

Key Specifications

Vendorgoogle
Version2.0-flash-thinking
Release Date2024-12-19
Context Window1.048576e+06 tokens
Input Modalitiestext, image
Output Modalitiestext
LicenseProprietary
Documentationhttps://ai.google.dev/gemini-api/docs

Benchmark Performance

BenchmarkScoreUnitEvaluated AtNotesSource
MMLU86.5%2024-12-195-shotview
HUMANEVAL87.2pass@12024-12-19—view
GSM8K91.3%2024-12-190-shot CoTview
MATH56.6%2024-12-190-shot CoTview
BBH87.9%2024-12-193-shot CoTview
GPQA61%2024-12-190-shotview
IFEVAL82.8%2024-12-19prompt_strictview
ARC95%2024-12-19challengeview
MUSR70.8%2024-12-190-shotview
WINOGRANDE88.1%2024-12-190-shotview

Pricing

TierPriceCurrency
Input$0.1 / MtokUSD
Output$0.4 / MtokUSD
Cache Read$0 / MtokUSD
Cache Write$0 / MtokUSD

Source: https://ai.google.dev/pricing · as of 2024-12-19

Compliance

  • Data Residency: US
  • SOC2: ✓
  • HIPAA: ✗
  • GDPR: ✓
  • ISO 27001: ✓

Gemini 2.0 Flash Thinking

模型概述

Google Gemini 2.0 Flash Thinking 实验版, 1M 上下文, 链式思维推理, 在数学与编码上接近 o1。

核心规格

厂商版本发布日期上下文窗口输入模态输出模态许可证
Google2.0-flash-thinking2024-12-191048Ktext, imagetextProprietary

基准测试表现

基准得分单位备注
MMLU (Massive Multitask Language Understanding)86.5%5-shot
HumanEval87.2pass@1—
GSM8K (Grade School Math 8K)91.3%0-shot CoT
MATH56.6%0-shot CoT
BBH (BIG-Bench Hard)87.9%3-shot CoT
GPQA61.0%0-shot
IFEval82.8%prompt_strict
ARC95.0%challenge
MUSR70.8%0-shot
WinoGrande88.1%0-shot

定价

输入输出缓存读取缓存写入
————

每百万 token

优势

  • MMLU 得分 86.5，知识推理能力强。
  • HumanEval 87.2，代码生成能力出色。
  • GSM8K 91.3，数学推理稳健。
  • 支持文本、图像、音频多模态输入。

劣势

  • 闭源专有模型，不支持自托管。

适用场景

  • 代码生成与调试
  • 视觉与图像理解
  • Agent 工作流与工具调用

参考文献